نمایش نتایج 1 تا 10 از 10

نام تاپیک: GLCM , svm

  1. #1

    GLCM , svm

    سلام
    من می خواستم با یکسری از تصاویر بهبود داده شده رو با glcm استخراج ویژگی کنم و یا svm کلاسیفیکیشن کنم. اما نتیجه با خروجی مقاله مطابقت نداره.
    چون تصاویر تفاوت کمی با هم دارن و glcm برای هر تصویر در نهایت از هر ویژگی تنها یه مقدار میده. فکر کردم شاید برای هر ویژگی به ازای هر پیکسل باید یه مقدار بده که در اون صورت تعداد ویژگی های بدست اومده خیلی بشتر می شه.
    متاسفانه کدم خیلی خیلی کند شد و یه جورایی انگاری اجرا نمی شه . چون سایز تصاویر 1024*1024 هستش.

    تابع GLCM_Features4 رو دانلود کردم این هم لینکش:

    http://www.mathworks.com/matlabcentr...-code-changes-

    برای مثال هم خودش یه تصویر رو داده و تابع چند تا عدد رو به عنوان ویژگی برای کل تصویر بر می گردونه. که برای کار من تشخیصش پایین هست.

    من اون رو برای هر پیکسل از تصویرم این طور در نظر گرقتم که خیلی خیلی کند هست.

    n = 8;
    img_col = im2col(Image_edge,[n n],'sliding');
    stats1 = zeros(1,20*size(img_col,2));

    for i = 1:size(img_col,2)
    tmp = reshape(img_col(:,i),[n,n]);
    GLCM2 = graycomatrix(tmp,'GrayLimits',[],'Offset',[0 1]);
    stats_temp = GLCM_Features4(GLCM2,0);
    stats_temp = rmfield(stats_temp,{'corrm','homom'});
    stats1 = zeros(1,20*size(img_col,2),'single');

    end

    با پنجره 8*8 و فقط برای 20 ویژگی که مورد نظرم بوده.

    ممنون می شم اگه راهنمایی بفرمایید
    آخرین ویرایش به وسیله nina222 : شنبه 05 اردیبهشت 1394 در 03:15 صبح

  2. #2

    نقل قول: GLCM , svm

    سلام
    خب الان مشکل دقیقا چیه؟

  3. #3

    نقل قول: GLCM , svm

    نقل قول نوشته شده توسط rahnema1 مشاهده تاپیک
    سلام
    خب الان مشکل دقیقا چیه؟
    خوب وقتی این کد رو اجرا می کنم زمانش خیلی طولانی هست. اینقدر طولانی که حس می کنم شاید غلط باشه.
    نمی دونم باید 22 ویژگی رو برای تک تک پکسل ها بدست بیارم یا 22 ویژگی رو برای کل عکس حساب کنم.

  4. #4

    نقل قول: GLCM , svm

    نقل قول نوشته شده توسط nina222 مشاهده تاپیک
    خوب وقتی این کد رو اجرا می کنم زمانش خیلی طولانی هست. اینقدر طولانی که حس می کنم شاید غلط باشه.
    نمی دونم باید 22 ویژگی رو برای تک تک پکسل ها بدست بیارم یا 22 ویژگی رو برای کل عکس حساب کنم.
    ظاهرا تصویر را به قطعات 8 در 8 تقسیم کرده اید و برای هر قطعه ویژگی حساب کردید
    کلا این تابع زمان بر هست. دقیقا نمیدونم شما بر اساس چه مقاله ای کار کردید و توی اون مقاله چی گفته اگه گفته روی کل تصویر اعمال بشه یا اینکه روی قطعات 8 در 8 کار بشه مطابق اون عمل کنید
    اگه روی قطعات 8 در 8 کار بشه کل تصویر شما شامل 16384 قطعه خواهد شد و برای هر کدام هم اگه 20 تا ویژگی استخراج بشه در کل 327680 ویژگی برای هر تصویر خواهید داشت
    اما اگه برای کل تصویر اعمال بشه برای هر تصویر 20 ویژگی ایجاد می شه

  5. #5

    نقل قول: GLCM , svm

    نقل قول نوشته شده توسط rahnema1 مشاهده تاپیک
    ظاهرا تصویر را به قطعات 8 در 8 تقسیم کرده اید و برای هر قطعه ویژگی حساب کردید
    کلا این تابع زمان بر هست. دقیقا نمیدونم شما بر اساس چه مقاله ای کار کردید و توی اون مقاله چی گفته اگه گفته روی کل تصویر اعمال بشه یا اینکه روی قطعات 8 در 8 کار بشه مطابق اون عمل کنید
    اگه روی قطعات 8 در 8 کار بشه کل تصویر شما شامل 16384 قطعه خواهد شد و برای هر کدام هم اگه 20 تا ویژگی استخراج بشه در کل 327680 ویژگی برای هر تصویر خواهید داشت
    اما اگه برای کل تصویر اعمال بشه برای هر تصویر 20 ویژگی ایجاد می شه
    ممنونم از راهنمایی شما. اما مقاله اصلا به این موضوع اشاره ای نکرده .

  6. #6

    نقل قول: GLCM , svm

    نقل قول نوشته شده توسط nina222 مشاهده تاپیک
    ممنونم از راهنمایی شما. اما مقاله اصلا به این موضوع اشاره ای نکرده .
    ما که نمیدونیم به چی اشاره کرده شما هم که نمیگید به چی اشاره کرده. نکنه دارید چیستان مطرح می کنید :لبخندگشاده:

  7. #7

    نقل قول: GLCM , svm

    نقل قول نوشته شده توسط rahnema1 مشاهده تاپیک
    ما که نمیدونیم به چی اشاره کرده شما هم که نمیگید به چی اشاره کرده. نکنه دارید چیستان مطرح می کنید :لبخندگشاده:
    متاسفانه مقالش چیستان بود.

  8. #8

    نقل قول: GLCM , svm

    نقل قول نوشته شده توسط nina222 مشاهده تاپیک
    متاسفانه مقالش چیستان بود.
    سر کار گذاشتن نداشتیما

  9. #9

    نقل قول: GLCM , svm

    نقل قول نوشته شده توسط rahnema1 مشاهده تاپیک
    سر کار گذاشتن نداشتیما
    نه بابا این چه حرفیه...منظورم این بود نویسنده انگاری مقاله رو طوری نوشته که یه بخشیش نا مفهوم هست. اون هم دقیقا بخش آخر مقاله. کلی تلاش کردم برای بخش های ابتداییش و حالا که به آخرش رسیده متاسفانه برای استخراج ویژگی این سئوالی که مطرح کردم پیش می یاد ،اصلا هم هیچ اشاره ای نکرده بهش که بتونم متوجه بشم.
    من نه اهل شوخی هستم و نه تو این استرس پایان نامه می تونم اینقدر شاد باشم که بحثی رو برای سر کار گذاششتن دوستانم مطرح کنم.
    باز هم اگر پست قبلی بنده ابن مفهوم رو می رسوند عذرخواهی می کنم و از شما راهنمای عزیز تشکر می کنم که واقعا تو این روزای سخت وجودتون برامون مایه آرامش هستش.

  10. #10

    نقل قول: GLCM , svm

    خواهش می کنم واقعا به خاطر این سوء تفاهم از شما عذر می خوام. اگه صلاح دیدید مقاله را بفرستید اگه کاری از دستمون بر بیاد در خدمتیم

تاپیک های مشابه

  1. Support Vector Machine(SVM)
    نوشته شده توسط JalaliMehr در بخش الگوریتم، کامپایلر، هوش مصنوعی و ساختمان داده ها
    پاسخ: 3
    آخرین پست: چهارشنبه 05 آبان 1389, 08:13 صبح

قوانین ایجاد تاپیک در تالار

  • شما نمی توانید تاپیک جدید ایجاد کنید
  • شما نمی توانید به تاپیک ها پاسخ دهید
  • شما نمی توانید ضمیمه ارسال کنید
  • شما نمی توانید پاسخ هایتان را ویرایش کنید
  •